车辆辅助系统、方法、车辆以及计算机可读存储介质技术方案

提供一种车辆辅助系统、方法、车辆以及计算机可读存储介质。该系统包括：数据采集单元，被配置用于检测目标车辆相对于当前车辆的相对位置，当检测到目标车辆相对于当前车辆以第一预设角度出现在当前车辆的后侧时，开始在相继的多个预设时隙内采集与目标车辆相关的数据，直到数据采集单元检测到目标车辆相对于当前车辆以第二预设角度出现在当前车辆的侧方为止；数据处理单元，被配置为通过使用在每个预设时隙内采集的数据来生成矩阵集合，并且在每个预设时隙结束时输出矩阵集合；以及计算单元，被配置为通过将所输出的每个矩阵集合输入到人工智能模型来计算目标车辆的并线可能性。利用本发明专利技术的方案，能够提高车辆行驶安全性。能够提高车辆行驶安全性。能够提高车辆行驶安全性。

【技术实现步骤摘要】
车辆辅助系统、方法、车辆以及计算机可读存储介质


[0001]本专利技术涉及车辆领域，更具体而言，涉及一种用于为当前车辆计算目标车辆的并线可能性的车辆辅助系统、包括所述车辆辅助系统的车辆、相应的车辆辅助方法以及计算机可读存储介质。

技术介绍

[0002]在城市高速交通环境下，当前车辆需要及时并且准确地预测目标车辆(即，在当前车辆后方行驶的车辆)的并线行为，以便及时发现潜在风险，进而相应地提前调整当前车辆的驾驶状态，从而提高当前车辆的行驶安全性。当前，一些车辆并线检测技术是基于碰撞体积检测，但是车辆的体积通常难以通过摄像机或其他传感器准确检测到。此外，碰撞时间(Time To Collision，TTC)是用于评定并线场景的重要因素，但是TTC的定义不能够满足对于并线进行临界评定的新需求。
[0003]因此，需要一种新的、能够及时且准确地预测目标车辆的并线行为的车辆辅助技术。

技术实现思路

[0004]为此，本专利技术提出了一种能够及时且准确的预测目标车辆的并线行为，进而相应地提前调整当前车辆的驾驶状态的技术方案，其旨在提高当前车辆的行驶安全性。
[0005]根据本专利技术的第一方面，提供一种车辆辅助系统，用于基于人工智能模型为当前车辆计算目标车辆的并线可能性，所述车辆辅助系统包括：
[0006]数据采集单元，被配置用于检测所述目标车辆相对于所述当前车辆的相对位置，当检测到所述目标车辆相对于所述当前车辆以第一预设角度出现在所述当前车辆的后侧时，开始在相继的多个预设时隙内采集与所述目标车辆相关的数据，直到所述数据采集单元检测到所述目标车辆相对于所述当前车辆以第二预设角度出现在所述当前车辆的侧方为止，其中所采集的数据至少包括所述目标车辆的加速度、所述目标车辆的行进方向以及所述目标车辆与所述当前车辆之间的距离；
[0007]数据处理单元，被配置为通过使用在每个预设时隙内采集的数据来生成矩阵集合，并且在每个预设时隙结束时输出所述矩阵集合，其中所述矩阵集合包括至少三个矩阵层，所述至少三个矩阵层分别与所采集的数据中相应的一种类型的数据相关；以及
[0008]计算单元，被配置为通过将所输出的每个矩阵集合输入到人工智能模型来计算所述目标车辆的并线可能性。
[0009]在一个实施方案中，所述人工智能模型可以是卷积神经网络模型，优选为LeNet-5架构。
[0010]在一个实施方案中，所述第一预设角度可以是在所述目标车辆位于所述当前车辆后侧45度至60度之间选择的；和/或所述第二预设角度可以选自所述目标车辆位于所述当前车辆后侧大于0度到小于等于10度、所述目标车辆与所述当前车辆平行时的0度、所述目
标车辆位于所述当前车辆前侧大于0度到小于等于45度。
[0011]在一个实施方案中，所述计算所述目标车辆的并线可能性可以包括：使用人工智能模型分别计算每个矩阵集合所代表的所述目标车辆的并线可能性，然后通过将每个并线可能性乘以对应的预设加权值并且求和，以计算所述目标车辆的总体并线可能性。
[0012]根据本专利技术的第二方面，提供一种车辆，包括以上任一个实施方案中所描述的车辆辅助系统。
[0013]根据本专利技术的第三方面，提供一种车辆辅助方法，用于基于人工智能模型为当前车辆计算目标车辆的并线可能性，车辆辅助方法包括以下步骤：
[0014]数据采集步骤：检测所述目标车辆相对于所述当前车辆的相对位置，当检测到所述目标车辆相对于所述当前车辆以第一预设角度出现在所述当前车辆的后侧时，开始在相继的多个预设时隙内采集与所述目标车辆相关的数据，直到检测到所述目标车辆相对于所述当前车辆以第二预设角度出现在所述当前车辆的侧方为止，其中所采集的数据至少包括所述目标车辆的加速度、所述目标车辆的行进方向以及所述目标车辆与所述当前车辆之间的距离；
[0015]数据处理步骤：通过使用在每个预设时隙内采集的数据来生成矩阵集合，并且在每个预设时隙结束时输出所述矩阵集合，其中所述矩阵集合包括至少三个矩阵层，所述至少三个矩阵层分别与所采集的数据中相应的一种类型的数据相关；以及
[0016]计算步骤：通过将所输出的每个矩阵集合输入到人工智能模型来计算所述目标车辆的并线可能性。
[0017]在一个实施方案中，所述人工智能模型可以是卷积神经网络模型，优选为LeNet-5架构。
[0018]在一个实施方案中，所述第一预设角度可以是在所述目标车辆位于所述当前车辆后侧45度至60度之间选择的；和/或所述第二预设角度可以选自所述目标车辆位于所述当前车辆后侧大于0度到小于等于10度、所述目标车辆与所述当前车辆平行时的0度、所述目标车辆位于所述当前车辆前侧大于0度到小于等于45度。
[0019]在一个实施方案中，所述计算所述目标车辆的并线可能性可以包括：使用人工智能模型分别计算每个矩阵集合所代表的所述目标车辆的并线可能性，然后通过将每个并线可能性乘以对应的预设加权值并且求和，以计算所述目标车辆的总体并线可能性。
[0020]根据本专利技术的第四方面，提供一种计算机可读存储介质，其上存储有计算机程序，当所述计算机程序被处理器执行时，所述计算机程序实现以上任一个实施方案中所描述的车辆辅助方法。
[0021]通过使用本专利技术的技术方案，可以通过在一个设定时间段内采集当前车辆周围的目标车辆的相关行驶数据来高效准确地判断其并线可能性。具体地，从检测到目标车辆以第一预设角度出现在所述当前车辆的后侧开始，直到检测到目标车辆与当前车辆平行或者目标车辆以第二预设角度出现在所述当前车辆的前侧为止，在相继的多个预设时隙内采集与所述目标车辆相关的数据，然后将所采集的数据处理成至少三个矩阵层，最后利用人工智能模型来基于所述至少三个矩阵层计算所述目标车辆的并线可能性。另外，利用本专利技术的技术方案不仅能够及时且准确地预测目标车辆的并线行为，并且还能响应于所述并线行为提前调整所述当前车辆的行驶状态，从而提高当前车辆的行驶安全性。
附图说明
[0022]以示例的方式参考以下附图描述本专利技术的非限制性且非穷举性实施方案，其中：
[0023]图1是示出了根据本专利技术的一个实施方案的车辆辅助系统的示意图；
[0024]图2是示出了根据本专利技术的一个实施方案的车辆辅助方法的流程图；
[0025]图3A、图3B以及图3C分别示出了在一些实施例中目标车辆在当前车辆的后侧时的情形、目标车辆与当前车辆行驶至二者平行时的情形以及目标车辆出现在当前车辆的前侧时的情形。
具体实施方式
[0026]为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施方案对本申请进行进一步详细说明。应当理解，此处描述的具体实施方案仅仅用以解释本申请，并不用于限定本申请。
[0027]图1是示出了根据本专利技术的一个实施方案的车辆辅助系统100的示意图。所述车辆辅助系统100用于基于人工智能模型为当前车辆计算目标车辆的并线可能性。所述人工智能模型可以是训练好的卷积神经网络模型或者本领域已知的其他机器学习本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种车辆辅助系统(100)，用于基于人工智能模型为当前车辆计算目标车辆的并线可能性，所述车辆辅助系统(100)包括：数据采集单元(101)，被配置用于检测所述目标车辆相对于所述当前车辆的相对位置，当检测到所述目标车辆相对于所述当前车辆以第一预设角度出现在所述当前车辆的后侧时，开始在相继的多个预设时隙内采集与所述目标车辆相关的数据，直到所述数据采集单元(101)检测到所述目标车辆相对于所述当前车辆以第二预设角度出现在所述当前车辆的侧方为止，其中所采集的数据至少包括所述目标车辆的加速度、所述目标车辆的行进方向以及所述目标车辆与所述当前车辆之间的距离；数据处理单元(102)，被配置为通过使用在每个预设时隙内采集的数据来生成矩阵集合，并且在每个预设时隙结束时输出所述矩阵集合，其中所述矩阵集合包括至少三个矩阵层，所述至少三个矩阵层分别与所采集的数据中相应的一种类型的数据相关；以及计算单元(103)，被配置为通过将所输出的每个矩阵集合输入到人工智能模型来计算所述目标车辆的并线可能性。2.根据权利要求1所述的车辆辅助系统(100)，其中所述人工智能模型是卷积神经网络模型，优选为LeNet-5架构。3.根据权利要求1或2所述的车辆辅助系统(100)，其中所述第一预设角度是在所述目标车辆位于所述当前车辆后侧45度至60度之间选择的；和/或所述第二预设角度选自所述目标车辆位于所述当前车辆后侧大于0度到小于等于10度、所述目标车辆与所述当前车辆平行时的0度、所述目标车辆位于所述当前车辆前侧大于0度到小于等于45度。4.根据权利要求1或2所述的车辆辅助系统(100)，其中所述计算所述目标车辆的并线可能性包括：使用人工智能模型分别计算每个矩阵集合所代表的所述目标车辆的并线可能性，然后通过将每个并线可能性乘以对应的预设加权值并且求和，以计算所述目标车辆的总体并线可能性。5.一种车辆，包括根据权利要求1-4中任一项所述的车辆辅助系统(100)。6.一种车辆辅助方法(200)，...

【专利技术属性】
技术研发人员：李赫瑄，孙铎，王宇，
申请(专利权)人：奥迪股份公司，
类型：发明
国别省市：